【免费下载链接】cann-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-competitions 元信息请如实填写此区块将由组委会脚本自动解析请保持字段名不变team_name: 别骂了在练了 team_members:成员1钟华利-广州职业技术大学成员2卢泽艺-广州职业技术大学成员3黄鸿祥-广州职业技术大学 operator_name: Cumsum operator_library: cann-ops-math report_date: 2026-04-25Cumsum 算子测试报告测试环境Ascend 910B (ascend910_93)CANN 工具链版本 8.0.RC1。环境修复说明已针对math/cumsum/CMakeLists.txt中的SUPPORT_TILING_DIR配置进行修正将映射关系由arch32调整为arch35从而确保了 Host 层Tiling覆盖率数据的正常采集。一、算子理解1. 数学定义Cumsum累积求和算子用于计算张量在指定维度dim上的前缀和。其数学定义为 $$y[i] \sum_{j0}^{i} x[j]$$ 其中输出的第 $i$ 个元素是输入前 $i1$ 个元素的累积和。2. 规格与功能支持的数据类型FLOAT32, FLOAT16, BF16, DOUBLE, INT32, INT64, INT8, UINT8, BOOL 等。API 变体aclnnCumsum(self, dim, dtype, out)标准累积求和。aclnnCumsumV2(self, dim, exclusive, reverse, out)支持exclusive排他性结果不含当前元素和reverse反向累加参数。核心特性误差累积浮点数的累加特性使其容易产生舍入误差的累积效应。硬件加速在特定条件下如满足 Batch 和 Dim 的最小值要求且为特定 Dtype支持走 Cube 快速路径。二、测试策略与用例设计1. 测试思路采用白盒驱动的测试策略通过分析 Host 层 Tiling 代码逻辑如 NGreaterCl, RNGreaterCl, Sklansky 树形归约等构造特定 Shape 的输入来覆盖不同的执行路径。2. 参考实现 (Oracle) 与容差设定Oracle 选择浮点数在 CPU 端使用double(FP64) 精度进行顺序累积计算以作为基准真值。整数显式使用无符号类型如uint32_t模拟二进制补码的截断回绕行为。精度阈值FLOAT32: $atol1e-5, rtol1e-5$FLOAT16: $atol1e-3, rtol1e-3$BF16: $atol1e-2, rtol1e-2$3. 用例分布共设计59 个测试用例基础用例覆盖所有支持的 Dtype、不同维度的 V1 和 V2 API。Tiling 逻辑驱动构造触发 Cube 路径、NGreaterCl、借轴 R 分核、双向 Sklansky 等复杂切分逻辑的 Shape。精度挑战用例包含长序列累加、极小值/极大值混合、相消灾难等场景。负向用例空指针、非法维度索引超过 Rank 或小于 -Rank、不支持的 Dtype、空 Tensor 等。三、覆盖率分析针对决赛要求的 5 个核心评分文件统计结果如下文件路径层级行覆盖率分支覆盖率说明op_api/aclnn_cumsum.cppAPI94.2%88.5%覆盖了参数校验、Cube 判定及 V1/V2 路由逻辑。op_api/cumsum.cppAPI91.5%83.3%覆盖了设备路由及各 Dtype 支持检查。op_host/arch35/cumsum_tiling.cppHost96.0%92.0%覆盖了 Tiling 入口及 Float/Int 分发路径。op_host/arch35/cumsum_tiling_ascendc_arch35.cppHost89.7%84.1%覆盖了 Sklansky 归约及借轴策略。op_host/arch35/cumsum_tiling_ascendc_int_arch35.cppHost91.3%87.2%覆盖了整数类型的硬件调整逻辑。综合覆盖率 (行数加权)--~91.1%~85.4%性能与路径覆盖表现优秀。四、精度分析典型精度风险场景场景 1长序列累加误差 (P01)输入FLOAT32, 长度 4096, 填充0.1f。分析由于0.1无法在二进制下精确表示其自带的量化误差随序列长度线性累积。在 4096 次累加后实测值与double参考值的绝对误差约为 $1.5 \times 10^{-4}$符合 IEEE 754 舍入预期。场景 2大数吃小数 (Swamping) (P02)输入[1e8, 1.0, 1.0, -1e8, 1.0]。分析当累加器达到 $10^8$ 时其 ULP (最小精度步进) 已经超过了 $1.0$导致加 $1.0$ 的操作在对阶过程中被舍弃产生了显著的精度截断。场景 3FP16 停滞效应 (Stagnation) (P03)输入FP16, 长度 2048, 填充0.001f。分析FP16 尾数仅 10 位。当总和达到 $2.048$ 时加上 $0.001$ 会因为落入舍入区间而导致数值不再增长产生“停滞”现象。场景 4相消灾难 (P04)输入[100.0, 0.1, -100.0]。分析大数相减导致有效位丢失使得原本隐藏在低位的舍入误差被放大至高位输出变为 $0.09999...$。场景 5整数溢出回绕 (P05)输入INT32,[INT_MAX, 1]。分析NPU 遵循二进制补码截断规则INT_MAX 1变为INT_MIN与 CPU 侧无符号强转逻辑一致。五、反思与改进1. 测试局限性内存边界当前用例尚未完全覆盖接近硬件内存极限2GB的大规模数据搬运路径。异常拦截部分底层驱动错误的分支如aclrtMalloc失败难以通过应用层用例触发。2. 方法论收获升精度 Oracle 的必要性直接用float累加作为参考会导致无法界定是 NPU 还是 CPU 的精度问题必须使用double乃至更高精度的参考实现。Tiling 修复的价值修正CMakeLists.txt的架构映射是提升 Host 层覆盖率的关键前提。3. 对 CANN 链的建议误差预警工具建议在 Profiling 工具中集成累积误差分析功能自动检测长序列累加中的 Stagnation 或 Swamping 风险。高精度模式对于 FP16 累加可考虑在 Host 层提供 Kahan Summation 选项供对精度极度敏感的场景使用。【免费下载链接】cann-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-competitions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
CANN/Cumsum算子测试报告
【免费下载链接】cann-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-competitions 元信息请如实填写此区块将由组委会脚本自动解析请保持字段名不变team_name: 别骂了在练了 team_members:成员1钟华利-广州职业技术大学成员2卢泽艺-广州职业技术大学成员3黄鸿祥-广州职业技术大学 operator_name: Cumsum operator_library: cann-ops-math report_date: 2026-04-25Cumsum 算子测试报告测试环境Ascend 910B (ascend910_93)CANN 工具链版本 8.0.RC1。环境修复说明已针对math/cumsum/CMakeLists.txt中的SUPPORT_TILING_DIR配置进行修正将映射关系由arch32调整为arch35从而确保了 Host 层Tiling覆盖率数据的正常采集。一、算子理解1. 数学定义Cumsum累积求和算子用于计算张量在指定维度dim上的前缀和。其数学定义为 $$y[i] \sum_{j0}^{i} x[j]$$ 其中输出的第 $i$ 个元素是输入前 $i1$ 个元素的累积和。2. 规格与功能支持的数据类型FLOAT32, FLOAT16, BF16, DOUBLE, INT32, INT64, INT8, UINT8, BOOL 等。API 变体aclnnCumsum(self, dim, dtype, out)标准累积求和。aclnnCumsumV2(self, dim, exclusive, reverse, out)支持exclusive排他性结果不含当前元素和reverse反向累加参数。核心特性误差累积浮点数的累加特性使其容易产生舍入误差的累积效应。硬件加速在特定条件下如满足 Batch 和 Dim 的最小值要求且为特定 Dtype支持走 Cube 快速路径。二、测试策略与用例设计1. 测试思路采用白盒驱动的测试策略通过分析 Host 层 Tiling 代码逻辑如 NGreaterCl, RNGreaterCl, Sklansky 树形归约等构造特定 Shape 的输入来覆盖不同的执行路径。2. 参考实现 (Oracle) 与容差设定Oracle 选择浮点数在 CPU 端使用double(FP64) 精度进行顺序累积计算以作为基准真值。整数显式使用无符号类型如uint32_t模拟二进制补码的截断回绕行为。精度阈值FLOAT32: $atol1e-5, rtol1e-5$FLOAT16: $atol1e-3, rtol1e-3$BF16: $atol1e-2, rtol1e-2$3. 用例分布共设计59 个测试用例基础用例覆盖所有支持的 Dtype、不同维度的 V1 和 V2 API。Tiling 逻辑驱动构造触发 Cube 路径、NGreaterCl、借轴 R 分核、双向 Sklansky 等复杂切分逻辑的 Shape。精度挑战用例包含长序列累加、极小值/极大值混合、相消灾难等场景。负向用例空指针、非法维度索引超过 Rank 或小于 -Rank、不支持的 Dtype、空 Tensor 等。三、覆盖率分析针对决赛要求的 5 个核心评分文件统计结果如下文件路径层级行覆盖率分支覆盖率说明op_api/aclnn_cumsum.cppAPI94.2%88.5%覆盖了参数校验、Cube 判定及 V1/V2 路由逻辑。op_api/cumsum.cppAPI91.5%83.3%覆盖了设备路由及各 Dtype 支持检查。op_host/arch35/cumsum_tiling.cppHost96.0%92.0%覆盖了 Tiling 入口及 Float/Int 分发路径。op_host/arch35/cumsum_tiling_ascendc_arch35.cppHost89.7%84.1%覆盖了 Sklansky 归约及借轴策略。op_host/arch35/cumsum_tiling_ascendc_int_arch35.cppHost91.3%87.2%覆盖了整数类型的硬件调整逻辑。综合覆盖率 (行数加权)--~91.1%~85.4%性能与路径覆盖表现优秀。四、精度分析典型精度风险场景场景 1长序列累加误差 (P01)输入FLOAT32, 长度 4096, 填充0.1f。分析由于0.1无法在二进制下精确表示其自带的量化误差随序列长度线性累积。在 4096 次累加后实测值与double参考值的绝对误差约为 $1.5 \times 10^{-4}$符合 IEEE 754 舍入预期。场景 2大数吃小数 (Swamping) (P02)输入[1e8, 1.0, 1.0, -1e8, 1.0]。分析当累加器达到 $10^8$ 时其 ULP (最小精度步进) 已经超过了 $1.0$导致加 $1.0$ 的操作在对阶过程中被舍弃产生了显著的精度截断。场景 3FP16 停滞效应 (Stagnation) (P03)输入FP16, 长度 2048, 填充0.001f。分析FP16 尾数仅 10 位。当总和达到 $2.048$ 时加上 $0.001$ 会因为落入舍入区间而导致数值不再增长产生“停滞”现象。场景 4相消灾难 (P04)输入[100.0, 0.1, -100.0]。分析大数相减导致有效位丢失使得原本隐藏在低位的舍入误差被放大至高位输出变为 $0.09999...$。场景 5整数溢出回绕 (P05)输入INT32,[INT_MAX, 1]。分析NPU 遵循二进制补码截断规则INT_MAX 1变为INT_MIN与 CPU 侧无符号强转逻辑一致。五、反思与改进1. 测试局限性内存边界当前用例尚未完全覆盖接近硬件内存极限2GB的大规模数据搬运路径。异常拦截部分底层驱动错误的分支如aclrtMalloc失败难以通过应用层用例触发。2. 方法论收获升精度 Oracle 的必要性直接用float累加作为参考会导致无法界定是 NPU 还是 CPU 的精度问题必须使用double乃至更高精度的参考实现。Tiling 修复的价值修正CMakeLists.txt的架构映射是提升 Host 层覆盖率的关键前提。3. 对 CANN 链的建议误差预警工具建议在 Profiling 工具中集成累积误差分析功能自动检测长序列累加中的 Stagnation 或 Swamping 风险。高精度模式对于 FP16 累加可考虑在 Host 层提供 Kahan Summation 选项供对精度极度敏感的场景使用。【免费下载链接】cann-competitions本仓库用于 CANN 开源社区各类竞赛、开源课题、社区任务等课题发布、开发者作品提交和展示。项目地址: https://gitcode.com/cann/cann-competitions创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
